L’intelligenza artificiale può dimenticare cosa stava facendo quando un compito diventa lungo e pieno di passaggi. Non perché abbia cancellato tutto, ma perché informazioni vecchie, istruzioni già completate e nuovi obiettivi finiscono per mescolarsi. Un nuovo preprint propone un sistema per farle ricordare soprattutto ciò che conta in quel momento.
Il lavoro si chiama Recursive Experiential-Working Memory Evolution for Long-Horizon Agent Harnesses ed è stato pubblicato su arXiv il 25 agosto 2026 da Zhaochen Yu, Yingcheng Wu, Zhenfei Yin, Kaiyuan Chen e altri ricercatori. È importante precisarlo subito: si tratta di un preprint e non di uno studio già sottoposto a peer review.
Perché l’intelligenza artificiale dimentica nei compiti lunghi
Quando un agente AI svolge molti passaggi consecutivi, la cronologia cresce e contiene informazioni ormai superate, operazioni già completate e problemi ancora aperti. Il modello può quindi perdere il riferimento allo stato attuale del lavoro e scegliere l’azione sbagliata, pur avendo a disposizione le informazioni necessarie.
È un problema diverso dal classico “non conosce la risposta”.
Immaginiamo di chiedere a un assistente AI di controllare un ordine, verificare una condizione contrattuale, cercare alcuni dati e infine modificare una voce. Il sistema potrebbe completare correttamente i primi tre passaggi e poi dimenticare che il quarto è ancora da eseguire.
Gli autori spiegano che il limite principale non è necessariamente la mancanza di esperienza. Il problema è avere una rappresentazione breve e affidabile di quello che è già stato fatto e di quello che resta da fare.
Situazioni simili emergono anche quando si valutano modelli capaci su compiti articolati. Nei test su GPT-5 e Gemini alle Olimpiadi di astronomia, per esempio, buone capacità generali non impediscono errori quando devono essere coordinate diverse informazioni e operazioni.
Recuris prova a dare all’AI una specie di lista delle cose da fare
Il sistema proposto dai ricercatori si chiama Recuris e divide la memoria in due parti.
La prima può essere immaginata come una lista delle cose da fare sulla scrivania. Contiene lo stato attuale del compito: quali obiettivi sono stati completati, quali restano aperti e cosa è successo nell’ultimo passaggio.
La seconda assomiglia invece a un archivio di esperienze precedenti. Contiene procedure e strategie che l’agente può recuperare quando servono.
Il vantaggio dell’approccio è che l’AI non deve ogni volta basarsi sull’intera cronologia. La memoria di lavoro indica cosa serve adesso, mentre l’archivio cerca una procedura adatta a quella necessità.
Gli autori scrivono, tradotto fedelmente: “La memoria di lavoro determina ciò che serve ora, la memoria esperienziale fornisce l’esperienza riutilizzabile corrispondente”.
Dopo ogni azione entra inoltre in gioco una verifica. Recuris controlla cosa è effettivamente successo nell’ambiente prima di considerare concluso un passaggio. L’idea è evitare che l’agente “si convinca” di avere terminato qualcosa quando il risultato reale racconta altro.
Cosa succede quando l’AI sbaglia
Recuris introduce un’altra caratteristica: utilizza gli errori per modificare alcune parti della propria memoria.
Se un compito fallisce, il sistema conserva una traccia strutturata di ciò che è avvenuto e cerca di capire se il problema sia nato dalla procedura recuperata, dallo stato del compito o dal modo in cui è stata scelta una determinata azione.
Non viene però riscritta tutta la memoria dopo ogni errore. Il sistema modifica soltanto il componente ritenuto responsabile e la nuova versione deve superare una verifica su altri compiti prima di essere accettata.
Questo dettaglio conta perché limita il rischio di correggere un problema introducendone un altro.
Anche gli autori insistono sul fatto che il modello linguistico di base resta invariato. Recuris agisce sul sistema esterno che organizza memoria e procedure, non modifica continuamente i pesi dell’AI.
È quindi diverso dall’idea più estrema di un’intelligenza artificiale che riscrive autonomamente il proprio modello.
Nei test le AI perdono meno spesso il filo
I ricercatori hanno provato Recuris su quattro benchmark dedicati a compiti lunghi e su dieci modelli differenti.
Secondo il paper, il sistema migliora il tasso di completamento in 35 delle 37 combinazioni modello-benchmark portate a termine. Nei compiti più lunghi il vantaggio arriva fino a 32,2 punti percentuali, mentre alcuni errori tipici dell’esecuzione prolungata diminuiscono fino all’80%.
Il dato interessante è proprio la relazione con la lunghezza del compito.
Più passaggi vengono aggiunti, più una cronologia tradizionale rischia di diventare rumorosa. Recuris cerca invece di mantenere piccolo e aggiornato il quadro operativo.
Gli autori hanno testato la stessa memoria anche su modelli diversi da quello utilizzato per costruirla. Su un benchmark dedicato alle attività retail, il sistema ha aggiunto 17,8 punti a GPT-5.6 Sol e 15,6 punti a Claude Opus 5.
Questo suggerisce che una parte del miglioramento possa arrivare dall’organizzazione dell’agente e non soltanto dal modello sottostante.
È un punto interessante anche alla luce delle discussioni sulla sicurezza dei sistemi di intelligenza artificiale: rendere esplicite e verificabili le modifiche alla memoria offre almeno un livello di controllo esterno sul comportamento dell’agente.
Recuris non ha ancora risolto il problema della memoria dell’AI
I risultati non significano che il problema sia chiuso.
Prima di tutto, Recuris non è stato testato come sistema per far ricordare meglio a ChatGPT una normale conversazione con l’utente. Lo studio riguarda agenti che svolgono attività lunghe utilizzando strumenti e procedure.
In secondo luogo, non tutti i test mostrano miglioramenti netti. Con Gemini 3.7 Flash, per esempio, uno dei benchmark registra un calo di 1,5 punti. Gli stessi autori sottolineano inoltre che alcuni risultati dipendono dal tipo di errori presenti nei nuovi compiti.
C’è anche un limite metodologico importante: nel benchmark SkillFlow non esiste uno split di test completamente separato. Le procedure vengono selezionate all’interno della stessa famiglia di compiti sulla quale saranno poi utilizzate.
Persino l’aumento delle prestazioni nei compiti più lunghi deve essere letto con cautela. I ricercatori chiariscono che non hanno preso lo stesso compito allungandolo artificialmente: hanno confrontato episodi di diversa lunghezza già presenti nei benchmark. È quindi un indizio coerente, non una prova causale definitiva.
Cosa cambia se l’AI riesce a ricordare a che punto è
Il punto più interessante del paper riguarda gli agenti AI che dovranno lavorare per periodi più lunghi.
Un assistente incaricato di eseguire decine di operazioni sul computer non deve soltanto conoscere le singole azioni. Deve ricordare quali ha già eseguito, quali sono fallite e quali mancano ancora.
Se sistemi come Recuris funzionassero anche fuori dai benchmark, la qualità di un agente potrebbe dipendere meno dalla quantità di cronologia conservata e più da come viene organizzato lo stato corrente del lavoro.
Restano però diverse domande aperte: quanto cresce questa memoria dopo settimane di utilizzo? Quanto costa verificarla? Come si eliminano procedure vecchie o duplicate? Cosa succede quando l’agente interpreta male il risultato di un’azione?
Gli stessi esperimenti mostrano che la memoria tende ad accumulare nuove procedure, tanto che gli autori indicano la possibilità futura di introdurre un meccanismo di potatura.
La verifica più utile sarà vedere se gruppi indipendenti riusciranno a ottenere risultati simili su attività reali, più lunghe e completamente nuove. Per ora Recuris offre una risposta interessante a una domanda molto concreta: forse per evitare che un’AI perda il filo non serve farle ricordare tutto, ma farle ricordare meglio ciò che conta in quel momento.
